这项由韩国浦项科技大学（POSTECH）与韩国科学手艺院（KAIST）联合开展的研究，，，，以预印本形式宣布于2026年7月2日，，，，论文编号为arXiv:2607.02403，，，，揭晓于cs.RO（机械人学）领域。。
。。感兴趣的读者可通过该编号在arXiv平台查找完整论文。。
。。 假设你正在训练一套新的围棋结构。。
。。你在脑子里把每一步棋推演了一遍，，，，以为自己必胜无疑——但真正落子之后，，，，敌手的反映跟你预想的完全差别，，，，整套战略瞬间崩盘。。
。。这种"脑内完善、现实一塌糊涂"的逆境，，，，正是目今机械人和AI妄想系统面临的焦点挑战。。
。。 研究团队注重到，，，，现有的AI妄想系统在为机械人制订行动方案时，，，，会在"天下模子"（可以明确为AI的想象力引擎）中重复推演种种行动序列，，，，然后选出看起来最能抵达目的的那一套去执行。。
。。然而，，，，这套选拔机制保存一个致命盲区：它只看最终效果好欠悦目，，，，却完全不管中心每一步有没有在现实中站得住脚。。
。。于是AI就可能挑出一套"纸面上完善"但"现实中基础做不到"的行动妄想。。
。。 为了填补这个误差，，，，研究团队提出了一个名为ACID（Action Consistency via Inverse Dynamics，，，，通过逆向动力学实现行动一致性）的新框架。。
。。它的焦点思绪可以用一句话概括：在AI评分每一套行动方案时，，，，不但要看"最终能不可抵达目的"，，，，还要追问"中心每一步是不是真实可行的"。。
。。 现代机械人在执行使命之前，，，，并不会直接在现真相形中重复试错——那样既慢又容易损坏装备。。
。。取而代之的，，，，是让机械人在一个学习好的"天下模子"里举行大宗虚拟推演。。
。。这个天下模子，，，，实质上是一个AI学会的"现实模拟器"：给它一个目今状态和一个行动，，，，它就能展望下一步会是什么状态。。
。。通过把这种展望一步步串联起来，，，，就能在脑子里模拟出一整段行动序列的效果。。
。。 研究团队重点关注的是一类叫做"行动条件天下模子"的设计：你输入一个行动，，，，它就展望这个行动之后天下会酿成什么样。。
。。详细来说，，，，研究中主要使用的是一类叫做JEPA（联合嵌入展望架构）的潜在空间模子——听起来重大，，，，着实原理很直观：它不是直接展望像素画面，，，，而是把每一帧图像压缩成一个紧凑的"特征向量"（可以明确为这幅画面的英华摘要），，，，然后在这个摘要层面上展望下一步会爆发什么。。
。。这种做法大大降低了盘算量。。
。。 在这套框架下，，，，妄想的历程是这样的：AI随机天生大宗候选行动序列，，，，每一套都在天下模子里跑一遍，，，，看看最终展望状态离目的有多远，，，，然后挑选距离最近的那些，，，，以此迭代优化，，，，最终选出一套"最优"方案去执行。。
。。这个历程使用的是一种叫做交织熵要领（CEM）的优化算法，，，，可以明确为一种"优胜劣汰、一直进化"的候选方案筛选机制。。
。。 然而，，，，这套筛选机制的评分标准只有一条：最终展望状态有多靠近目的。。
。。中心的每一步是否真实、是否可以在现真相形中被谁人行动所爆发，，，，完全不在考察规模之内。。
。。 假设你让一个机械人把桌上的一根绳子摆成特定形状。。
。。AI在天下模子里推演了几百套方案，，，，其中有一套的最终展望画面跟目的形状很是靠近，，，，于是被选中执行。。
。。但当机械人真正去做这些行动时，，，，绳子基础没有按展望的方式运动——由于绳子的物理特征太重大，，，，天下模子的展望着实已经偏离了现实，，，，只是最终画面恰巧看起来像目的罢了。。
。。 这就是所谓的"不可实现的轨迹"问题：天下模子展望出来的那条路径，，，，在现实中基础走欠亨。。
。。更准确地说，，，，AI妄想的某些中心方法，，，，在现实物理规则下基础不可能由谁人行动爆发。。
。。就像你脑子里的一步棋展望敌手会走A，，，，但敌手现实上走了B，，，，整个后续推演就全乱了。。
。。 已往的研究者们也意识到了这个问题，，，，并实验从"刷新天下模子自己"的角度入手：要么用更大的视频天生模子，，，，让展望更逼真；；；；要么通过特另外训练技巧让模子更严酷地遵守行动条件。。
。。但这些要领要么训练本钱高昂，，，，要么对天下模子的架构有特定要求（好比无法适用于假设确定性状态转换的JEPA类模子），，，，并且最基础的问题始终没有被解决：即便展望再逼真，，，，评分标准依然只看终点，，，，不看历程。。
。。 正向动力学是"给定状态和行动，，，，展望下一个状态"。。
。。逆向动力学则反过来："给定前后两个状态，，，，推断中心爆发了什么行动"。。
。。这两种模子的关系，，，，就像导航软件的正向妄想（从A到B怎么走）和逆向还原（看着起点终点，，，，猜你中心走了哪条路）。。
。。 为什么逆向动力学在这里特殊有用？？？？？研究团队指出了一个要害视察：在具身控制领域（也就是机械人、导航这类使命），，，，前后两帧视察之间的信息对行动有很强的约束力——若是你知道机械人在A状态，，，，然后酿成了B状态，，，，能爆发这种转变的行动着实是有限的、可展望的。。
。。这跟文字天生图像那种"一个形貌对应无数种画面"的多对多关系截然差别。。
。。 基于这个特征，，，，研究团队设计了如下的验证逻辑：当AI用行动$a_t$驱动天下模子，，，，从状态$\hat{z}_t$展望出下一个状态$\hat{z}_{t+1}$时，，，，若是这个展望是真实可行的，，，，那么把$\hat{z}_t$和$\hat{z}_{t+1}$丢给逆向动力学模子，，，，它应该能反推出一个跟$a_t$很是靠近的行动。。
。。若是反推出来的行动跟$a_t$差得很远，，，，说明这个展望的转变基础不是$a_t$能够爆发的——换句话说，，，，这步展望是"虚构的"。。
。。 研究团队把这种前向展望和逆向验证之间的一致性称为**循环行动一致性（cycle action consistency）**。。
。。对一整条候选轨迹，，，，把每一步的纷歧致水平加起来取平均，，，，就获得了**行动一致性价钱**——这个数值越大，，，，说明这条轨迹越"不可实现"。。
。。 在详细实现上，，，，这个逆向动力学模子被设计为一个轻量级的前缀-后缀变换器（prefix-suffix transformer），，，，并接纳了流匹配（flow matching）手艺来天生行动展望。。
。。流匹配是一种类似扩散模子的天生方式，，，，但盘算效率更高。。
。。在推断时，，，，研究发明只需要一个欧拉积分方法就足够了（导航使命用了十步），，，，这意味着它给整个妄想循环增添的特殊盘算肩负极其细小。。
。。 原来的评分只有一项：最终展望状态离目的有多远（目的价钱）。。
。。现在酿成了两项之和：目的价钱加上行动一致性价钱，，，，后者乘以一个权重系数。。
。。这样，，，，一套行动方案要得高分，，，，既要在天下模子里"看起来抵达了目的"，，，，也要确保"每一步都是现实可行的"。。
。。不可实现的捷径被处分了，，，，只有既能抵达目的又走得通的路径才华脱颖而出。。
。。 然而，，，，把两个泉源差别的价钱加在一起，，，，有一个棘手的问题：它们的数值标准可能相差悬殊。。
。。若是目的价钱动辄上百，，，，而行动一致性价钱只有零点几，，，，那么无论权重系数怎么设，，，，一致性价钱都很难真正影响排名。。
。。反之亦然。。
。。 更贫困的是，，，，这种标准比例并不牢靠。。
。。它会随着差别的天下模子（差别的潜在空间有差别的数值规模）、差别的使命（视觉转变幅度差别）、以及CEM优化的差别迭代轮次（随着候选方案越来越集中，，，，两个价钱的疏散水平会以差别速率缩短）而转变。。
。。 研究团队丈量了这种转变，，，，发明目的价钱的标准差与行动一致性价钱的标准差之比，，，，在差别天下模子、差别使命、差别优化阶段之间可以相差快要一个数目级。。
。。这意味着，，，，用一个牢靠的权重系数基础无法在所有场景下坚持优异体现。。
。。 解决方案是一个**标准稳固的自顺应权重**：在每次CEM迭代时，，，，动态地盘算目今这批候选方案中，，，，目的价钱的标准差与行动一致性价钱的标准差之比，，，，并把这个比值乘以一个基础系数λ作为权重。。
。。这样做的效果是：无论两个价钱的绝对标准怎样转变，，，，它们对候选方案排名的相对影响力始终坚持可控。。
。。λ是唯一需要人工设定的参数，，，，并且一旦针对某个天下模子设定好，，，，就可以跨使命通用，，，，无需为每个使命单独调参。。
。。 整个ACID框架的事情流程可以概括为：对每套候选行动序列，，，，用天下模子正向展望出完整轨迹；；；；用逆向动力学模子对每一步举行反推验证；；；；盘算一致性价钱；；；；用自顺应权重把两个价钱合并成总评分；；；；按总评分挑选精英候选方案；；；；迭代至收敛后执行最优方案。。
。。除了增添了逆向动力学模子这个组件，，，，整个妄想框架的其他部分完全稳固。。
。。 加入测试的天下模子涵盖了两大类型。。
。。其一是三种JEPA气概的潜在空间展望器，，，，划分是Le-WM（端到端联合训练编码器和展望器，，，，用一种叫做SIGReg的正则化要领防止特征坍塌）、PLDM（同样是端到端训练，，，，但使用了多种正则化项的组合，，，，且训练目的中已经包括了一个逆向动力学建模项）、以及DINO-WM（直接在预训练的DINOv2视觉特征上训练展望器，，，，冻结编码器不加入优化）。。
。。其二是一个基于视频天生的模子NWM（使用条件扩散变换器天生未来帧，，，，并连系CompACT压缩分词器使每帧只用16个离散token体现，，，，以坚持决议时展望的可行性）。。
。。 六种测试使命笼罩了机械人控制的多个典范场景。。
。。在刚性物体操作方面，，，，有需要准确接触动力学的推T形块（PushT）、二自由度机械臂舒展（Reacher）、以及三维空间中的抓取和放置立方体（OGBench-Cube）。。
。。在可变形物体操作方面，，，，有需要展望绳索重大动力学的绳索操作（Rope Manipulation）、以及需要展望上百个粒子整体行为的颗粒物操作（Granular Manipulation）。。
。。别的尚有基于真实天下数据集RECON的目的条件视觉导航，，，，该数据集包括凌驾5000条在多样化真真相形中自主收罗的导航轨迹。。
。。 关于刚性物体操作，，，，用乐成率（%）权衡；；；；关于可变形物体操作，，，，用倒角距离（Chamfer Distance，，，，数值越小体现形状越靠近目的）权衡；；；；关于视觉导航，，，，用绝对轨迹误差（ATE）和相对位姿误差（RPE）权衡。。
。。 效果显示，，，，在所有四个天下模子、六种使命上，，，，ACID都带来了改善。。
。。详细而言，，，，Le-WM在Cube、Reacher、PushT上的乐成率划分提升了4%、12%、4%，，，，PLDM则划分提升了10%、14%、4%。。
。。DINO-WM在绳索操作上的倒角距离从1.38降至0.56（降幅约59%），，，，在颗粒物操作上从0.49降至0.30（降幅约39%）。。
。。NWM连系CompACT在视觉导航上的ATE下降了2.3%，，，，RPE下降了1.5%。。
。。 在可变形物体使命上尚有一组直观的比照演示值得细说：关于统一个操作使命，，，，原始妄想选出的行动序列在天下模子的展望轨迹里看起来完善地抵达了目的形状，，，，但在真真相形中执行时，，，，绳索或颗粒物的现实运动轨迹与展望完全脱节，，，，基础没有抵达目的。。
。。加入ACID之后，，，，同样的使命中，，，，真真相形的执行效果与天下模子的展望轨迹高度吻合，，，，且最终确实抵达了目的。。
。。这一比照直接印证了ACID所针对的谁人焦点问题：原来的评分机制会选出那些在模子里"看起来优美"但在现实里"基础做不到"的方案。。
。。 在超参数鲁棒性方面，，，，研究团队对CEM的采样数目（从30到300）和λ参数（从0.005到0.1，，，，跨越近两个数目级）举行了系统扫描。。
。。效果批注，，，，ACID在所有CEM采样预算下都优于原始要领，，，，从不低于基线；；；；关于λ的选择，，，，一个相当宽泛的规模都能带来稳固的提升，，，，不需要细腻调参。。
。。这种鲁棒性正是自顺应权重机制的收获——牢靠权重下，，，，差别常数在差别使命上各有优劣，，，，没有哪个值能在Le-WM的Cube、PushT、Reacher三个使命上周全取胜；；；；而自顺应权重通过动态归一化消除了这种对标准的敏感性，，，，让λ只需编码"优先目的照旧优先一致性"这一语义，，，，而非准确数值。。
。。 在每步特殊开销层面，，，，逆向动力学验证器的单次前向盘算时间相当于天下模子的11.5%（Le-WM）、8.9%（PLDM）、25.0%（NWM+CompACT）、39.4%（DINO-WM）。。
。。关于JEPA类模子，，，，这个开销相当。。
。；；；；关于DINO-WM，，，，开销相对较大，，，，但被接下来的效率收益所抵消。。
。。 在"抵达一律质量所需总盘算量"层面，，，，结论更令人鼓舞。。
。。在Le-WM和PLDM上，，，，只用30个CEM采样的ACID，，，，就能抵达300个采样的原始要领的乐成率——也就是说，，，，在抵达相同性能的条件下，，，，采样量可以缩减到原来的十分之一。。
。。在DINO-WM的绳索和颗粒物使命上，，，，ACID的倒角距离曲线在更早的妄想方法就已经下降到了原始要领最终的水平，，，，颗粒物使命上提前几步抵达，，，，绳索使命上甚至在第一步就已经抵达了原始要领的最终水平。。
。。综合思量每步的特殊开销和妄想步数的节约，，，，DINO-WM上抵达基线质量所需的总盘算量约为原来的0.7倍——不但没有由于增添了验证器而变慢，，，，反而更快了。。
。。 ACID的有用性依赖于一个条件假设：一连两帧视察能够充分约束它们之间的行动。。
。。在部分可视察情形中（即目今视察信息缺乏以形貌完整的系统状态），，，，或者当有外部滋扰导致状态转变不完全由机械人自身行动决议时，，，，这个假设会被违反，，，，逆向动力学模子的反推可靠性就会下降。。
。。 另一个局限是，，，，ACID需要对逆向动力学模子举行一次专门的训练。。
。。不过，，，，这个训练完全复用了天下模子训练时使用的离线数据集，，，，不需要特另外情形交互，，，，并且当天下模子被替换为新版本时，，，，只需要用新的编码器特征重新训练逆向动力学模子即可——训练历程与天下模子自己完全解耦。。
。。 由于ACID只修改妄想时的评分标准，，，，不触碰天下模子自己，，，，它与所有关于天下模子的刷新偏向都是正交的，，，，可以自由叠加组合。。
。。用更强盛的天下模子配合ACID，，，，是一个自然而然的未来研究偏向。。
。。 归根结底，，，，这项研究做的事情提及来很直觉：一个好的行动妄想，，，，不但要"看起来能抵达目的"，，，，还要"每一步都站得住脚"。。
。。这两个条件以前只检查第一个，，，，现在研究团队把第二个也加进了评分标准，，，，并且用一个很智慧的逆向推理方式来量化"站不站得住脚"这件事。。
。。 效果证实，，，，这个看似简朴的增补，，，，在六种差别性子的使命上、四种差别架构的天下模子上，，，，全都带来了可量化的改善，，，，并且没有引入极重的盘算肩负，，，，甚至在某些场景下反而提高了整体效率。。
。。这意味着，，，，这种验证方式触及的是一个普遍保存的根天性问题，，，，而不是某个特定场景的偶发征象。。
。。 关于未来想要让机械人更可靠地在真实天下中事情的研究者来说，，，，ACID提供的这个"现实磨练"机制或许是一个值得普遍接纳的组件。。
。。有兴趣深入相识手艺细节的读者，，，，可以通过arXiv编号2607.02403查阅原始论文。。
。。 A：ACID引入了逆向动力学模子，，，，对天下模子展望的每一步转变举行反向验证。。
。。详细来说，，，，天下模子用行动$a_t$展望出从状态$\hat{z}_t$到$\hat{z}_{t+1}$的转变，，，，然后逆向动力学模子反过来从这两个状态推断应该是什么行动。。
。。若是反推出来的行动和原来输入的$a_t$差别很大，，，，就说明这个展望转变在现实中基础不可能由$a_t$爆发，，，，即"不可实现"。。
。。把所有时间步的这种差别加起来，，，，就获得了行动一致性价钱，，，，价钱越高说明整条轨迹越不可靠。。
。。 A：差别天下模子的潜在空间数值规模差别极大，，，，差别使命中画面转变幅度差别，，，，并且在CEM优化历程中两个价钱的疏散水平还会以差别速率缩短，，，，这些因素配合导致目的价钱和行动一致性价钱的相对标准一连转变。。
。。实验批注，，，，没有哪个牢靠权重值能在所有使命上都体现优异。。
。。自顺应权重通过每次迭代都重新盘算两者的标准差之比来动态归一化，，，，让唯一需要设定的参数λ只编码"优先哪个目的"的语义，，，，而不是准确数值，，，，从而实现了跨使命的稳固迁徙。。
。。 A：可变形物体（如绳索、颗粒物）的物理行为极其重大，，，，天下模子更容易爆发与现实脱节的展望，，，，导致不可实现轨迹的比例更高。。
。。原始妄想要领只看最终展望画面像不像目的，，，，恰恰为这类"外貌像但现实做不到"的方案提供了可乘之机。。
。。ACID的行动一致性价钱专门处分这类不可实现轨迹，，，，因此在可变形物体使命上的过滤效果格外显着。。
。。绳索使命的倒角距离降幅约59%，，，，颗粒物使命约39%，，，，且ACID在妄想的第一步就能抵达原始要领最终的水平，，，，说明在这类使命上提前扫除不可实现候选方案的收益很是显著。。
。。